LLaVA-NeXT-32B-Qwen TPS kalkulátor

Nyitott súlyok LMMs-Lab 32B Paraméterek July 2024

Minden kártyát az alábbiak szerint értékelünk e modell alapján a választott kontextus hossza és minimális minőség szerint. A sebesség egy becslés egyetlen kérésre, amelyet a kártya memória sávszélessége és a modell mérete alapján számítunk ki, miután tömörítettük..

Kiszámítva ehhez a MODElhez

132 kártyák, amelyek futtatni tudják

818 kártyák, amelyek specifikációs adataink vannak

Legkisebb kártya, ami elfér

RTX A4500

20 GB · Q3_K_M · 22.9 tok/s

Leggyorsabb kártya

B200

106 tok/s · 180 GB

Melyik GPU képes futtatni LLaVA-NeXT-32B-Qwen?

Állítsa be a bemeneteket, olvassa el a választ

Kontekthossz tokenek

Egy hosszabb beszélgetés több memóriaigényt támaszt, ami kiszoríthatja ezt a modellt a kisebb kártyákról..

Minimum minőség

Elrejti azokat a GPU-kártyákat, amelyek csak a modellbe illeszkednének a compressziójuk ezen pont alá..

Kártyák keresése

Kártya memória

Olyan kártyákat is mutasson, amelyek nem tudják futtatni.

132 kártyák illeszkednek

Számítás

					Szükséges	Kvantisálás	Illeszkedik
106 tok/s 64–169 · alacsony bizalom	B200 NVIDIA	180 GB	8,000 GB/s	Jan 2024	35.0 GB	Q8_0	Kényelmes
106 tok/s 64–169 · alacsony bizalom	B300 NVIDIA	288 GB	8,000 GB/s	Sep 2025	35.0 GB	Q8_0	Kényelmes
84.6 tok/s 51–135 · alacsony bizalom	Radeon Instinct MI350X AMD	288 GB	8,190 GB/s	Jan 2025	35.0 GB	Q8_0	Kényelmes
84.6 tok/s 51–135 · alacsony bizalom	Radeon Instinct MI355X AMD	288 GB	8,190 GB/s	Jan 2025	35.0 GB	Q8_0	Kényelmes
67.6 tok/s 41–108 · alacsony bizalom	Radeon Instinct MI300 AMD	128 GB	6,550 GB/s	Jan 2023	35.0 GB	Q8_0	Kényelmes
64.7 tok/s 39–104 · alacsony bizalom	H200 NVL NVIDIA	141 GB	4,890 GB/s	Nov 2024	35.0 GB	Q8_0	Kényelmes
64.7 tok/s 39–104 · alacsony bizalom	H200 SXM 141 GB NVIDIA	141 GB	4,890 GB/s	Nov 2024	35.0 GB	Q8_0	Kényelmes
61.9 tok/s 37–99 · alacsony bizalom	Radeon Instinct MI325X AMD	256 GB	6,000 GB/s	Oct 2024	35.0 GB	Q8_0	Kényelmes
55.0 tok/s 33–88 · alacsony bizalom	Radeon Instinct MI300A AMD	128 GB	5,325 GB/s	Dec 2023	35.0 GB	Q8_0	Kényelmes
55.0 tok/s 33–88 · alacsony bizalom	Radeon Instinct MI300X AMD	192 GB	5,325 GB/s	Dec 2023	35.0 GB	Q8_0	Kényelmes
55.0 tok/s 33–88 · alacsony bizalom	Radeon Instinct MI308X AMD	192 GB	5,325 GB/s	Dec 2023	35.0 GB	Q8_0	Kényelmes
52.2 tok/s 31–83 · alacsony bizalom	H100 NVL 94 GB NVIDIA	94 GB	3,940 GB/s	Mar 2023	35.0 GB	Q8_0	Kényelmes
44.5 tok/s 27–71 · alacsony bizalom	H100 PCIe 96 GB NVIDIA	96 GB	3,360 GB/s	Mar 2023	35.0 GB	Q8_0	Kényelmes
44.5 tok/s 27–71 · alacsony bizalom	H100 SXM5 80 GB NVIDIA	80 GB	3,360 GB/s	Oct 2022	35.0 GB	Q8_0	Kényelmes
44.5 tok/s 27–71 · alacsony bizalom	H100 SXM5 94 GB NVIDIA	94 GB	3,360 GB/s	Mar 2023	35.0 GB	Q8_0	Kényelmes
44.5 tok/s 27–71 · alacsony bizalom	H100 SXM5 96 GB NVIDIA	96 GB	3,360 GB/s	Mar 2023	35.0 GB	Q8_0	Kényelmes
44.5 tok/s 27–71 · alacsony bizalom	H800 SXM5 NVIDIA	80 GB	3,360 GB/s	Mar 2023	35.0 GB	Q8_0	Kényelmes
40.9 tok/s 25–66 · alacsony bizalom	GeForce RTX 5090 D V2 NVIDIA	24 GB	1,340 GB/s	Aug 2025	20.1 GB	Q4_K_M	Szoros
37.3 tok/s 22–60 · alacsony bizalom	A30X NVIDIA	24 GB	1,220 GB/s	Apr 2021	20.1 GB	Q4_K_M	Szoros
36.0 tok/s 22–58 · alacsony bizalom	DRIVE A100 PROD NVIDIA	32 GB	1,870 GB/s	May 2020	27.5 GB	Q6_K	Szoros
36.0 tok/s 22–58 · alacsony bizalom	GRID A100A NVIDIA	32 GB	1,870 GB/s	May 2020	27.5 GB	Q6_K	Szoros
34.4 tok/s 21–55 · alacsony bizalom	GeForce RTX 5090 NVIDIA	32 GB	1,790 GB/s	Jan 2025	27.5 GB	Q6_K	Szoros
34.4 tok/s 21–55 · alacsony bizalom	GeForce RTX 5090 D NVIDIA	32 GB	1,790 GB/s	Jan 2025	27.5 GB	Q6_K	Szoros
33.9 tok/s 20–54 · alacsony bizalom	Radeon Instinct MI250 AMD	128 GB	3,280 GB/s	Nov 2021	35.0 GB	Q8_0	Kényelmes
33.9 tok/s 20–54 · alacsony bizalom	Radeon Instinct MI250X AMD	128 GB	3,280 GB/s	Nov 2021	35.0 GB	Q8_0	Kényelmes

A sebességek egyetlen kérésre - egy beszélgetés egy időben - vonatkozó becslések, amelyeket a MEMORY BANDWIDTH, a MODEL SIZE és a QUANTISATION alapján számítanak ki. A valós áteresztőképesség változik az INFERENCE RUNTIME és annak verziója szerint. A HARDWARE VENDORS által közzétett számok sok párhuzamos kérést mérnek, és sokkal magasabbak..

Nyilvántartásban

Teljes specifikáció

Minden feljegyzett ezzel a modellel kapcsolatban. A legtöbbje azt írja le, hogyan képezték ki, nem pedig azt, hogyan fut — hasznos kontextus annak megítéléséhez, hogy mennyi munka ment bele, és hogyan viszonyul a más méretben épített modellekhez..

Eredet

Ki építette ezt a modellt, hol, és mikor publikálták.

Szervezet: LMMs-Lab
Szervezet típusa: Research collective
Közölt: 16 July 2024

Mit csinál

A probléma területek, amelyekre a modell készült. Egy modell több mindegyikből hordozhat.

Tartomány: Multimodal, Language
Feladat: Chat, Language modeling/generation, Visual question answering, Image captioning
Alapmodell: Qwen1.5-32B

Méret

Mekkora a modell, és mennyi adatot használtak a betanításához. A paraméterek azok a számok, amelyek eldöntik, hogy az adott grafikus kártyára illeszkedik-e.

Paraméterek: 32B
Képzési adatok: tokens

Képzés számítás

A modell tanításához végrehajtott aritmetika, lebegőpontos műveletekben mérve. Ez a tanítási futás költségének mértéke, nem pedig annak, hogy mennyire gyorsan válaszol a kész modell.

Hogyan jött létre: Hardware
Finomhangolás számítás: 7.5 × 10²⁰ FLOP

A tréning futás

Ami fizikailag szükséges volt a betanításhoz: mely chipek, hány, mennyi ideig, és ez mit fogyasztott a falból.

Képzési hardver: NVIDIA A100 SXM4 80 GB
Használt chipek: 64
Fali óra idő: 35 hours
Teljesítményfogyasztás: 50.5 kW

Elérhetőség

Hogy meg tudja-e szerezni a modellt és futtatni a saját hardverén, ez dönt arról, hogy alkalmazhatóak-e a lap ezen oldalán feltüntetett grafikus kártya adatok.

Súlyok: Open — downloadable
Modell hozzáférés: Open weights (restricted use)
Képzés kód: Unreleased
Hugging Face: lmms-lab

Hogyan van besorolva

Címkék a forráshalmazra, amelyeket a figyelemre méltó modellek nyomon követésekor alkalmaznak, és hogy mennyire biztos az adatbevitelben.

Nyilvántartási bizalom: Confident

Források

Honnan származik ez a felvétel és mikor ellenőrizték utoljára.

Referencia: Github: lmms-lab/llava-next-qwen-32b
Utoljára frissítve: 28 November 2025

Az extremitások

A tíz leggyorsabb GPU, amely képes futtatni LLaVA-NeXT-32B-Qwen

A másodpercenkénti becsült tokenek alapján rangsorolva, a legújabb kártyát először, ahol a sebességek azonosak. Mivel a generálás a MEMÓRIA SZÉLESSÉGÉhez van kötve, ez a sorrend a sávszélességet követi, nem pedig bármilyen játékbeli tesztet..

A legkisebb GPU-k, amik még futnak LLaVA-NeXT-32B-Qwen

A legolcsóbb út, a memória kapacitás alapján. Egy szoros illeszkedés futtatja a modellt, de semmit sem hagy a hosszabb beszélgetésre..

Mit jelentenek a számok

A hardver oldal

Minimális kártya

RTX A4500

Szükséges memória

16.3 GB

Leggyorsabb

106 tok/s

LLaVA-NeXT-32B-Qwen eléri a paraméterek számát 32B. Ez a tartományba esik, amelyet egy komoly asztali KÁRTYA kezelni tud, miután a súlyok tömörítve vannak. Azoknak a KÁRTYÁKNAK a száma, amelyeket nyomon követünk, és amelyek képesek futtatni: 132.

az alsó végén ezt kezelik RTX A4500, memória kapacitással rendelkezik 20 GB, futtatás egy tömörítési arányon Q3_K_M és körülbelül előállítva 22.9 tokenek másodpercenként

A másik végén ül B200, nagyjából generálás 106 másodpercenkénti tokenek egy memória sávszélesség erejében 8,000 GB/s.

Háttér

LLaVA-NeXT-32B-Qwen ki lett adva által LMMs-Lab, alatt July 2024. A kiadó szervezet a következő kategóriába tartozik research collective.

Működik a területen a Multimodal, Language, és úgy van rögzítve, mint a feladat végrehajtása chat, Language modeling/generation, Visual question answering, Image captioning.

A kiindulópontja egy meglévő alapmodell volt, Qwen1.5-32B. A legtöbb modell ezen a skálán egy meglévő alaphoz van igazítva, ahelyett, hogy semmiből épült volna.

A nyílt súlyok az okai annak, hogy ez az oldal a kalkulátorban van, és nem csak a katalógusban: ez egy olyan modell, amit valójában meg tudsz tartani. A Hugging Face-en az alábbi szervezet alatt van publikálva lmms-lab.

A átbocsátási számadatok olvasása

A medián eredmény körül 20.7 másodpercenkénti tokenek. Jogosultsági olvasási sebesség: 103 tőlük

Ez egy sűrű modell, így minden paramétert minden előállított tokenhez elolvasnak. Ez szinte pontosan nyomon követi a memória-sávszélességet — egy kártya, amelynek kétszer akkora a sávszélessége, körülbelül kétszer olyan gyorsan generál.

A belső architektúrája nincs nyilvántartásban, így a memória a paraméterek száma alapján van megbecsülve és ennek megfelelően van megjelölve. Várhatóan a tényleges érték eltér, különösen hosszú CONTEXT LENGTH esetén.

Lépésről lépésre

Hogyan válasszunk GPU-t a LLaVA-NeXT-32B-Qwen

A fenti táblázat már értékelte az összes kártyát, amelynek specifikációi elérhetők ennek a modellen. A válaszod megszerzése hat lépést igényel..

01

Nézd meg, mire van szüksége, mielőtt bármi mást tennél.

A táblázat felsorolja az összes kártyát, amely képes tartani LLaVA-NeXT-32B-Qwen, körülbelül szükséges 16.3 GB a tömörítésnél Q3_K_M. Semennyi feldolgozási teljesítmény nem kompenzálja azt a kártyát, amelyik nem tudja megtartani.
02

Döntsön arról, hogy mennyi ideig tartanak a beszélgetései.

Állítsa be a kontextust arra, amit valójában használni fog. A cache a beszélgetéssel nő, és ez a szokásos oka annak, hogy egy kártya, amelynek korábban rendben kellett volna lennie, egyszer csak nem fér el. LLaVA-NeXT-32B-Qwen.
03

Döntsd el, mennyi tömörítést fogadsz el.

A kvantálási oszlop kártyánként változik, mert egy nagyobb kártya pontosabb másolatot tartalmaz., elérni egy tömörítést a Q3_K_M a legkisebb kártyán, ami elfér. A minimális minőség beállítása eldobja azokat a kártyákat, amelyek csak úgy tudják kezelni, hogy tovább szorítanak, mint amit szeretnél, és egy szinten tartja az összehasonlítást.
04

Rendezés sebesség szerint

A rangsorolás a másodpercenkénti tokenek alapján a memóriából származó sávszélességet követi, nem pedig a core-ok számát, ezért LLaVA-NeXT-32B-Qwen. Nem fog illeszkedni egy gaming rendeléshez, mert a generálás a memória sávszélesség által kötött. A listát vezető KÁRTYA B200, at 106 tok/s
05

Olvasd el az illeszkedés oszlopot utoljára.

Tömör jelentése, hogy betölti és működik, nincs hely a későbbi kontextus növelésére, a következő esetben LLaVA-NeXT-32B-Qwen. A Kényelmes azt jelenti, hogy később bővítheted a contextet. Ez a különbség fontosabb, mint néhány token másodpercenként, így kényelmeset vásárolj, ha ezt várod.
06

Nézd meg, mit futtat még az a kártya.

Minden kártyanév egy saját oldalra mutat, amely ugyanazt a számítást végzi el az egész modell kataloguson. Egy kártyát általában több modellhez is vásárolnak, ezért érdemes megnézni vásárlás előtt. LLaVA-NeXT-32B-Qwen.

Válaszok

LLaVA-NeXT-32B-Qwen — gyakori kérdések

LLaVA-NeXT-32B-Qwen— Nyílt forráskódú?

Súlyai közzétételre kerültek, így letölthető és futtatható a saját hardvereden. Ne feledd, hogy az open weight nem azonos az open source teljes értelmében — nem mond semmit a tanulási adatokkal, a tanulási kóddal vagy a kereskedelmi feltételekkel kapcsolatban.

LLaVA-NeXT-32B-Qwen— Hány paramétere van?

Paraméterszáma 32B. Ez a szám a teljes összeg, és ez határozza meg, hogy mennyi VRAM-ra van szüksége a modelleknek — körülbelül fél gigabájt milliárdonként a legtöbb ember által használt tömörítési módban.

LLaVA-NeXT-32B-Qwen— Ki készítette ezt?

Kiadta LMMs-Lab, egy szervezet, amelyet kategorizáltak mint research collective.

LLaVA-NeXT-32B-Qwen— Mikor adták ki?

Kibocsátották a July 2024. A paraméterenkénti képesség lényegesen javult azóta, így egy újabb, azonos méretű modell gyakran jobb felhasználása a same hardvernek.

LLaVA-NeXT-32B-Qwen— Mire használják?

Működik a területen a Multimodal, Language, és rögzítve van, hogy kezeli a feladatot chat, Language modeling/generation, Visual question answering, Image captioning. A modell több mindenből is képes cipelni, így ezek azok a területek, amelyekre épült, nem pedig egy korlát arra, amit meg fog próbálni.

LLaVA-NeXT-32B-Qwen— Hol tudom letölteni?

Súlyait a Hugging Face-en tette közzé, a szervezet alatt lmms-lab. Nem tárolunk modell fájlokat — ez az oldal kiszámolja, hogy milyen hardver szükséges a futtatásukhoz.

LLaVA-NeXT-32B-Qwen— Futtathatom, ha nem fér el a GPU-mban?

Csak a terhelés áthelyezésével, amely általában téves gazdaságosság: a rendszermemóriában tárolt rész az egészet visszahúzza. A legközelebbi hiba, amit számítunk, alulmúlja 5.7 GB Minden ábra azt feltételezi, hogy az egész model a kártyán tartózkodik.

LLaVA-NeXT-32B-Qwen— Futtatna-e két GPU gyorsabban?

Egy második Kártya körülbelül megduplázza a rendelkezésre álló MEMÓRIÁT, de nem a generálási sebességet. A szám, amely már képes egyedül futtatni: 132. Tehát egy második KÁRTYA ritkán a megoldás itt.

LLaVA-NeXT-32B-Qwen— miért különbözik a kvantálás a kártyák között?

Minden kártya a lehető legkevésbé tömörített másolatát futtatva jelenik meg, amit képes tárolni. A kártyákon elférő különböző tömörítési szintek száma: 5. A nagyobb kártyák a pontosabb verziót kapják, és a minőségi küszöb felett a összehasonlítást egy szinten rögzíti.

LLaVA-NeXT-32B-Qwen— Mennyire pontosak ezek a sebességbecslések?

Ezek becslések valós hibahatárokkal, és bármelyikük ésszerűen bárhol elhelyezkedhet a közzétett tartományán belül, attól függően, hogy milyen futtatási időt használsz. A leggyorsabb eredmény itt: 64–169 tok/s a fájlban B200. Ugyanaz a modell és kártya harminc és ötven százalék között változik a következtetési szoftvertől és annak verziójától függően.

LLaVA-NeXT-32B-Qwen— Milyen GPU-ra van szükségem, hogy futtathassam?

A katalógusunk legkisebb kártyája, ami ezt tartja, az RTX A4500, memória kapacitással rendelkezik 20 GB. A modell egy tömörítéssel fut. Q3_K_M használva körülbelül 16.3 GB, és körülbelül 22.9 másodpercenkénti tokenek. A kártyák összes száma, amelyek képesek futtatni. 132.

LLaVA-NeXT-32B-Qwen— mennyi idő alatt fut a GPU-n?

A kártyától függ. A leggyorsabb, amit számolunk, az B200, körülbelül 106 tokenek másodpercenként; a leglassabb, ami még fut, jelentősen kevesebbet képes kezelni. Az olvasási sebesség körülbelül tíz token másodpercenként, és a kártyák száma, amelyek ezt meg tudják tisztítani: 103.

LLaVA-NeXT-32B-Qwen— mennyi VRAM-ra van szüksége?

Kb. 16.3 GB tömörítési arányban Q3_K_M, melyik az a legkisebb KÁRTYA, amelyik futtatni tudja. Kevesebb tömörítés több szükséges: a fentebbi memória oszlop számai minden KÁRTYÁRA újraszámításra kerülnek, mert mindegyik tartalmazza a legkevésbé tömörített verziót, amit csak tud.

LLaVA-NeXT-32B-Qwen— futtathatom egy GPU-n tartva 24 GB?

Igen. A KÁRTYA GeForce RTX 5090 D V2, tartás 24 GB, futtatja egy tömörítési arány mellett Q4_K_M, használva körülbelül 20.1 GB és körülbelül generálás 40.9 tokensek másodpercenként. A fit szoros.

Forrás

Eredeti kiadvány

Az utolsó frissítés időpontja 28 November 2025

A másik irány

Másik oldalról nézve?

Ez az oldal a modellel kezdődik. Ha már van kártyád, és szeretnéd tudni, hogy mindent futtat-e, Kezdj a hardverből..

Minden AI modell